[논문 리뷰] Fast Approximate Construction of Best Complex Antipodal Spherical Codes

Miguel Heredia Conde, Otmar Loffeld|arXiv (Cornell University)|2017. 05. 09.

Coding theory and cryptography참고 문헌 61인용 수 5

한 줄 요약

이 논문은 복소 회전에 대한 근사 최근접 이웃(ANN) 검색을 사용하여 이중 제곱합을 대체함으로써, Best Complex Antipodal Spherical Codes(BCASC)를 구성하는 데 있어 선형 시간 복잡도를 달성하는 빠른 알고리즘을 제안한다. 이 방법은 계산 비용을 O(m²n²K)에서 O(mn n_rot log(n n_rot))로 감소시켜 대규모 압축 감지(CS) 응용 분야에서 BCASC를 효율적으로 생성할 수 있게 한다. 성능은 이전 방법과 동일하거나 이를 초월하며, 일관성(coherence) 성능이 뛰어나다.

ABSTRACT

Compressive Sensing (CS) theory states that real-world signals can often be recovered from much fewer measurements than those suggested by the Shannon sampling theorem. Nevertheless, recoverability does not only depend on the signal, but also on the measurement scheme. The measurement matrix should behave as close as possible to an isometry for the signals of interest. Therefore the search for optimal CS measurement matrices of size $m imes n$ translates into the search for a set of $n$ $m$-dimensional vectors with minimal coherence. Best Complex Antipodal Spherical Codes (BCASCs) are known to be optimal in terms of coherence. An iterative algorithm for BCASC generation has been recently proposed that tightly approaches the theoretical lower bound on coherence. Unfortunately, the complexity of each iteration depends quadratically on $m$ and $n$. In this work we propose a modification of the algorithm that allows reducing the quadratic complexity to linear on both $m$ and $n$. Numerical evaluation showed that the proposed approach does not worsen the coherence of the resulting BCASCs. On the contrary, an improvement was observed for large $n$. The reduction of the computational complexity paves the way for using the BCASCs as CS measurement matrices in problems with large $n$. We evaluate the CS performance of the BCASCs for recovering sparse signals. The BCASCs are shown to outperform both complex random matrices and Fourier ensembles as CS measurement matrices, both in terms of coherence and sparse recovery performance, especially for low $m/n$, which is the case of interest in CS.

연구 동기 및 목표

• 기존 BCASC 구성 알고리즘의 높은 계산 복잡도 문제를 해결하기 위해, m와 n에 대해 제곱법적 스케일링을 줄이기 위해.
• m와 n이 큰 대규모 압축 감지 문제에서 BCASC의 생성을 가능하게 하기 위해.
• 실제 성능을 유지하거나 향상시키면서 런타임을 극적으로 감소시키는 근사 방법을 개발하기 위해.
• 결과적으로 생성된 BCASC를 희박 신호 복원에서 측정 행렬로 사용했을 때의 성능을 평가하기 위해.
• BCASC가 표준 랜덤 행렬 및 푸리에 측정 행렬보다 CS에서 뛰어난 성능을 보임을 입증하기 위해.

제안 방법

• 원래 알고리즘에서 모든 복소 회전에 대한 전반적 합계를, 이산화된 회전 도메인에서의 근사 최근접 이웃(ANN) 검색으로 대체하기 위해.
• 각 코드워드당 고정된 작은 수의 근접 이웃(NN)을 사용하여 모든 회전에 대한 적분을 근사함으로써, n과 m에 대한 의존도를 감소시키기 위해.
• ANN를 통해 식별된 가장 관련성이 높은 회전 성분들만을 사용하여 반복 최적화 과정에서 각 코드워드를 순차적으로 구성하기 위해.
• 반복 업데이트 과정 중에 반대칭성과 복소 벡터 제약 조건을 유지하기 위해.
• 연속적인 회전 적분을 근사하기 위해 복소 회전 도메인을 n_rot 단계로 이산화하기 위해.
• 반복 최적화 과정에서 각 코드워드에 대해 ANN 기반 근사화를 적용함으로써, 복잡도를 O(m²n²K)에서 O(mn n_rot log(n n_rot))로 감소시키기 위해.

실험 결과

연구 질문

• RQ1 BCASC 구성의 계산 복잡도를 m와 n에 대해 제곱법적에서 선형으로 줄일 수 있는가? 이 과정에서 일관성 성능이 떨어지지 않는가?
• RQ2 복소 회전에 대한 근사 최근접 이웃 검색이 전체 합계 방법과 비교해 일관성 성능을 유지하거나 향상시키는가?
• RQ3 제안된 방법이 이전에는 불가능했던 큰 n과 m 값에 대한 BCASC 생성을 가능하게 하는가?
• RQ4 결과적으로 생성된 BCASC의 압축 감지 복원 성능은 복소 랜덤 행렬 및 푸리에 행렬과 비교해 어떠한가?
• RQ5 특히 큰 n에 대해 결과 코드의 일관성이 이론적 웰치 경계에 가까운가?

주요 결과

• 제안된 방법은 각 반복의 계산 복잡도를 O(m²n²K)에서 O(mn n_rot log(n n_rot))로 감소시켜 m와 n에 대해 선형 스케일링을 달성한다.
• 결과적으로 생성된 BCASC의 일관성은 기준 방법과 동일하거나 더 우수하며, 특히 큰 n에 대해 뚜렷한 향상이 관찰된다.
• δ = m/n = 0.5일 때, 제안된 BCASC의 일관성은 0.04424였으며, 가우시안 행렬(0.08874)과 푸리에 엔sembles(0.06262)를 모두 능가한다.
• 사용된 근접 이웃 수에 대해 매우 강건하며, 낮은 고정된 수의 NN만으로도 고품질의 코드 생성이 가능하다.
• 이 방법을 통해 생성된 BCASC는 이론적 복합 경계에 매우 가까운 일관성 값을 확보하여 근사 최적성에 가깝다는 것을 시사한다.
• 희박 신호 복원에서 BCASC는 복소 랜덤 행렬과 푸리에 엔셈블 모두를 뛰어나는 성능을 보이며, 특히 낮은 m/n 비율에서 두드러진다.